随着人工智能快速渗透到包括金融、医疗、服务机器人、法律、无人驾驶、教育、农业等在内的各个行业，了解人工智能甚至深入学习相关学科不仅对我们开阔眼界、把握时代潮流有益，而且有助于我们客观地看待人工智能。不过，目前国内开设人工智能（AI）专业的高校不多，优质的学习资源也很分散。
为此，『AI脑力波』小编梳理了全世界范围内最受欢迎的人工智能各领域的学习课程，整理成这份“2017年迄今最全的人工智能课程资源”盘点，其中包括斯坦福大学、麻省理工学院等世界名校的AI课程、谷歌DeepMind的一些视频，集中呈现给大家。不过，最激动人心的是（敲黑板啦！！）：这份推荐榜的绝大多数资源可以免费学习，仅一小部分资源需要FQ或付费。小编真心地希望能帮助大家找到最适合自己的学习资源。
1）斯坦福大学CS231n开放课程视频
关键词：计算机视觉 自然语言处理 深度学习
课程名称：《深度学习与自然语言处理》（18讲）
网址：https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
李飞飞女神的《深度学习与计算机视觉》（16讲）和《如何教计算机理解图片》
网址：https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv
网址：http://open.163.com/movie/2015/3/Q/R/MAKN9A24M_MAKN9QAQR.html
男神Andrew Ng（吴恩达）的《机器学习》（无论国内国外，这是最火的机器学习入门课程，没有之一。）
网址：http://open.163.com/special/opencourse/machinelearning.html
计算机系Oussama Khatib教授的《机器人学》
网址：http://open.163.com/special/opencourse/robotics.html
多位人机互动设计领域的专家讲授的《人与计算机的互动》
网址：http://open.163.com/special/opencourse/humancomputer.html
其他的7门人工智能公开课分别为：
《机器学习》（Machine Learning）
网址：https://www.class-central.com/mooc/835/coursera-machine-learning
《人工智能导论》（Intro to Artificial Intelligence）
网址：https://www.class-central.com/mooc/592/udacity-intro-to-artificial-intelligence
《机器人学的人工智能》（CS 8802, Artificial Intelligence for Robotics: Programming a Robotic Car）
网址：https://www.class-central.com/mooc/1021/udacity-cs-8802-artificial-intelligence-for-robotics-programming-a-robotic-car
《机器学习导论》（Intro to Machine Learning）
网址：https://www.class-central.com/mooc/2996/udacity-intro-to-machine-learning
《机器人学的人工智能》（Artificial Intelligence for Robotics）
网址：https://www.class-central.com/mooc/319/udacity-artificial-intelligence-for-robotics
《概率图模型1：表示》（Probabilistic Graphical Models 1: Representation）
网址：https://www.class-central.com/mooc/309/coursera-probabilistic-graphical-models-1-representation
《概率图模型2：推理》（Probabilistic Graphical Models 2: Inference）
网址：https://www.class-central.com/mooc/7292/coursera-probabilistic-graphical-models-2-inference
2）麻省理工学院AI公开课
《人工智能概论》视频课程
课程介绍：人工智能的重要性和未来，如何进行博弈、图像识别，以及机器学习方面的内容。
网址：http://open.163.com/movie/2017/9/Q/S/MCTMNN3UI_MCTMNR8QS.html
《计算机科学及编程导论》视频课程
课程介绍：适用于那些编程经验很少或没有编程经验的学生，入门级课程。
网址：http://open.163.com/special/opencourse/bianchengdaolun.html
《创新与发明》视频课程
课程介绍：探讨了软件创新、克雷格列表、Drupal、纳米组装技术、太空探索中的机器人学、个人机器人等。
网址：http://open.163.com/special/opencourse/innovation.html
《多核编程》视频课程
课程介绍：并行编程的入门课程，详细介绍了一系列并行编程的理论以及多核架构的设计理念。
网址：http://open.163.com/special/opencourse/bianchengmit.html
《算法导论》视频课程
课程介绍：包含排序、堆积及散列；各个击破法、动态规划、网络流、计算几何、数字理论性算法、高速缓存技术及并行运算等高效率算法的设计及分析技巧。
网址：http://open.163.com/special/opencourse/algorithms.html
3）北大AI公开课13讲
北大人工智能创新中心主任雷鸣《人工智能前沿与产业趋势》：
网址：http://www.iqiyi.com/l_19rrf6l46v.html
地平线余凯《嵌入式人工智能》：
网址：http://www.iqiyi.com/w_19rtza2dh9.html
蚂蚁金服漆远《人工智能驱动的金融生活》：
网址：http://www.iqiyi.com/l_19rrfk4wof.html
驭势科技吴甘沙《无智能不驾驶》：
网址：http://www.iqiyi.com/l_19rrfdi1kv.html
黄江吉《人工智能硬件的发展》：
网址：http://www.iqiyi.com/w_19rtwp8egp.html?list=19rrkd4ogy
《对话王俊 数字生命的人工智能化》：
网址：http://www.iqiyi.com/w_19rtwp8egp.html?list=19rrkd4ogy
徐伟《通用人工智能的现状及展望》：
网址：http://www.iqiyi.com/w_19rtxrunb9.html?list=19rrkd4ogy
华为李航《自然语言处理的现实与挑战》：
网址：http://www.iqiyi.com/w_19ru3d804d.html?list=19rrkd4ogy
《滴滴出行叶杰平：深度学习在交通领域应用潜力巨大》：
网址：http://www.iqiyi.com/w_19ru3fuech.html?list=19rrkd4ogy
《科大讯飞胡郁：谁将弄潮人工智能时代？》：
网址：http://www.iqiyi.com/w_19ru410ect.html?list=19rrkd4ogy
《洪小文 人工智能与人类智能共进化》：
网址：http://www.iqiyi.com/w_19ru5e6ev1.html?list=19rrkd4ogy
《IBM谢国彤个性化 循证的智慧医疗》：
网址：http://www.iqiyi.com/w_19ru1c099x.html?list=19rrkd4ogy
《NVIDIA董方亮 GPU助力的人工智能》：
网址：http://www.iqiyi.com/w_19ru244qd9.html?list=19rrkd4ogy
4）其他人工智能相关课程
多伦多大学的人工智能课程：
深度学习教父Geoffrey Hinton的《神经网络在机器学习中的应用》Neural Networks For Machine Learning；网易译名“神经网络的机器学习”
网址：
Coursera：https://www.coursera.org/learn/neural-networks
网易：http://c.open.163.com/coursera/courseIntro.htm?cid=77
复旦大学公开课《人工智能哲学》（6讲）：
网址：http://open.163.com/special/cuvocw/rengongzhinengzhexue.html
详解谷歌 DeepMind：
网址：https://www.youtube.com/watch?v=TnUYcTuZJpM
李宏毅给深度学习初学者的大礼-最新GAN中文视频教程：
网址：http://www.aqinet.cn/thread-525-1-1.html
国际大腕MIT的《深度学习在自动驾驶中的应用》（Deep Learning for Self-Driving Cars）
网址：http://www.aqinet.cn/forum.php?mod=viewthread&tid=139
加州理工学院《从数据中学习》（Learning from Data）：
网易公开课译名为“加州理工学院公开课：机器学习与数据挖掘”
网址：
edX：https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516；
网易：http://open.163.com/special/opencourse/learningfromdata.html。
卡内基梅隆大学的Tom Mitchell 机器学习课程（Machine Learning）：
网址：http://www.cs.cmu.edu/~tom/10701_sp11/
哥伦比亚大学的机器学习公开课：
网址：https://www.edx.org/course/machine-learning-columbiax-csmm-102x
开放数据：
-
百度开放中文问答数据集WebQA
开源代码：
1）Facebook开源问答系统DrQA：基于单一信源回答开放域提问
2）腾讯优图实验室开源项目，手机能用的神经网络
3) 百度开源无人驾驶核心代码 阿波罗
友情提醒，以下包含收费课程。
系统性课程：
优达学城（Udacity）提供的 “机器学习工程师”纳米学位，中文字幕，谷歌、滴滴参与授课，收费。
网址：https://cn.udacity.com/course/machine-learning-engineer-nanodegree--nd009
华盛顿大学的“机器学习专业”系列课程，Coursera 平台，收费，共六门课。
网址：https://www.coursera.org/specializations/machine-learning
约翰·霍普金斯大学的“数据科学专业”系列课程，Coursera 平台，收费，共十门课。
网址：https://www.coursera.org/specializations/jhu-data-science
密歇根大学的“Python 的应用数据科学专业”系列课程，Coursera 平台，收费，共五门课。适合需要学习 Python 实战技巧的机器学习开发者。
网址：https://www.coursera.org/specializations/data-science-python
平台推荐：
国外的 Coursera、edX、优达学城（Udacity）、Udemy；国内的网易公开课、七月在线都集中了相对优质的学习资源。当然，英语不错的童鞋推荐国外学习网站，尤其它们的问答论坛非常有帮助。
对于英语基础不是那么好的童鞋，Coursera和优达学城很重视中国市场，它们的大部分机器学习资源都添加了汉语字幕。对于edX和可汗学院的部分课程，网易公开课有字幕翻译。
对于需要在数学、统计方面补课的童鞋，除了以上几个平台之外，强烈推荐可汗学院 Khan Academy，很适合从零起步打基础。